基于卷积神经网络的商品评论真实度的识别方法及装置制造方法及图纸

本发明专利技术公开了一种基于卷积神经网络的商品评论真实度的识别方法及装置，涉及人工智能领域，该方法包括：将当前商品评论数据输入预先建立的卷积神经网络商品评论真实度识别模型，得到当前商品评论的真实度识别结果；该模型包括：输入层，用于将当前商品评论数据转换为词向量、位置向量及句子向量；卷积层，用于根据词向量及位置向量，利用矩阵形式的卷积核将句子向量从头到尾与卷积核大小的矩阵块进行对应位置相乘，获得多个特征值；池化层，用于从多个特征值中选择出最大特征值作为卷积窗口的特征值；全连接层，用于处理卷积窗口的特征值，输出当前商品评论的真实度识别结果。本发明专利技术可以基于卷积神经网络对商品评论真实度进行高效准确地识别。行高效准确地识别。行高效准确地识别。

【技术实现步骤摘要】
基于卷积神经网络的商品评论真实度的识别方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及一种基于卷积神经网络的商品评论真实度的识别方法及装置。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]目前，一批中小型企业借助电商平台这一新渠道销售和推广自己的产品。面对较为陌生的店铺和商品，电商平台的购物评论为人们的购买决策提供了重要参考。为了提高商品的曝光率和消费者的购买率，一些人员被大量雇佣，他们通过对指定店铺的商品发布好评获取报酬。因此，一定比例的不真实评论混杂在了商品评论页面中，消费者对商品情况的判断受到了严重影响。
[0004]现有识别评论真实度的方法主要是通过分析发布评论用户的等级、评论发出的时间及频次、评论文本的感情密度和长度、高频词和用户关系等特征，运用聚类算法和统计学习方法，对不真实评论的发布用户进行识别。这样的分类方法不仅会耗费大量的人力物力，准确率也不够理想。

技术实现思路
r/>[0005]本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的商品评论真实度的识别方法，其特征在于，包括：获取当前商品评论数据；将当前商品评论数据输入预先建立的卷积神经网络商品评论真实度识别模型，得到当前商品评论的真实度识别结果；所述模型包括：输入层，用于将当前商品评论数据转换为词向量、位置向量及句子向量；卷积层，用于根据词向量及位置向量，利用矩阵形式的卷积核将句子向量从头到尾与卷积核大小的矩阵块进行对应位置相乘，获得多个特征值；池化层，用于从多个特征值中选择出最大特征值作为卷积窗口的特征值；全连接层，用于对卷积窗口的特征值进行处理，输出当前商品评论的真实度识别结果。2.如权利要求1所述的方法，其特征在于，还包括：按照如下方法预先建立所述卷积神经网络商品评论真实度识别模型：获取多个历史商品评论数据样本；所述样本包括真实评论的正样本和不真实评论的负样本；将所述样本分为训练集、测试集和验证集；利用所述训练集对卷积神经网络进行训练，得到训练好的卷积神经网络；利用所述测试集对训练好的卷积神经网络进行测试，得到测试好的卷积神经网络；利用所述测试集测试好的卷积神经网络进行验证，得到所述卷积神经网络商品评论真实度识别模型。3.如权利要求1所述的方法，其特征在于，还包括：利用如下指标检测所述卷积神经网络商品评论真实度识别模型的准确度：接受度、精确率、召回率和机器学习F1值。4.如权利要求1所述的方法，其特征在于，获取当前商品评论数据，包括：利用Python语言获取当前商品评论数据。5.一种基于卷积神经网络的商品评论真实度的识别装置，其特征在于，包括：获取单元，用于获取当前商品评论数据；识别单元，用于将当前商品评论数据输入预先建立的卷积神经网络商品评论真实度识别模型，得到当前商品评论的真实度识别结果；所述模型包括：输入层，用于将当...

【专利技术属性】
技术研发人员：白松灵，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：